Abstract

El uso creciente de plataformas de mensajería instantánea en entornos empresariales ha incrementado su exposición a ciberataques como el phishing, la ingeniería social y el spam, lo que genera la necesidad de soluciones automáticas, asequibles y que garanticen la privacidad de los datos. En este contexto, el principal problema radica en la dependencia de servicios en la nube y en la falta de herramientas eficientes que puedan operar en hardware de bajo coste sin comprometer la soberanía de la información. Como respuesta a este desafío, se propone el diseño, implementación y despliegue de un sistema de detección de amenazas en mensajes de Telegram capaz de ejecutarse de forma local. El sistema integra cuatro componentes principales orquestados mediante Docker Compose: Suricata IDS para la monitorización del tráfico de red, TinyLlama como modelo de lenguaje ligero para el análisis semántico de mensajes, MongoDB para el almacenamiento persistente de las amenazas detectadas y un bot en Python como interfaz de usuario dentro de la propia plataforma Telegram. Todo el sistema se despliega sobre una Raspberry Pi 5 con 16 GB de RAM. El pipeline de análisis combina heurísticas basadas en expresiones regulares con inferencia local del modelo, cuyos resultados se ponderan mediante una fórmula específica. Los resultados obtenidos muestran una tasa de clasificación correcta del 100 % en el conjunto de pruebas definido, con tiempos de respuesta de entre 30 y 45 segundos en CPU ARM. Durante el desarrollo, se abordaron retos técnicos asociados al hardware limitado, como la optimización de la memoria mediante cgroups, la selección del modelo de IA más adecuado y la gestión de la concurrencia asíncrona en Python. En conclusión, este trabajo demuestra la viabilidad de implementar sistemas inteligentes de ciberseguridad en infraestructuras de bajo coste, ofreciendo una alternativa eficiente y respetuosa con la privacidad para entornos empresariales sin acceso a soluciones basadas en la nube.
Loading...

Quotes

plumx
0 citations in WOS
0 citations in

Journal Title

Journal ISSN

Volume Title

Publisher

Universidad Rey Juan Carlos

URL external

External URL

DOI

Description

Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2025/2026. Directores/as: Liliana Patricia Santacruz Valencia

Citation

Endorsement

Review

Supplemented By

Referenced By

Statistics

Views
7
Downloads
14

Bibliographic managers

Document viewer

Select a file to preview:
Reload